A randomized controlled trial of working memory and processing speed training in schizophrenia
Notice bibliographique
Résumé
BACKGROUND: Although prior research has shown that cognitive training may improve cognition for schizophrenia patients, it is currently unclear which domains of cognition should be targeted in training. One suggestion is to target low- or mid-level cognitive processes. In particular, working memory (WM) and processing speed (PS) have been named as two key areas of impairment in schizophrenia, and two domains of cognition that are linked to higher-order cognition and daily functioning. This study aimed to investigate the near-transfer (transfer of gains to related contexts), far-transfer (transfer of gains to unrelated contexts), and real-world gains associated with WM and PS training in schizophrenia. METHODS: Eighty-three participants with schizophrenia were recruited and randomly assigned to computerized WM training, PS training, or a no-training control group. Outcome measures included WM, PS, fluid intelligence, executive functioning, social cognition, and daily functioning and symptoms. RESULTS: PS training led to significant gains in untrained PS tasks, as well as gains in far-transfer tasks that required speed of processing. WM training did not lead to gains in untrained WM tasks and showed inconsistent effects on some far-transfer tasks. CONCLUSIONS: These results suggest some benefit of domain-specific cognitive training, specifically PS training, in schizophrenia. Far-transfer of gains to other cognitive domains and to real-world functioning may not occur after targeted WM or PS training, though non-specific effects (e.g. through behavioral activation, increased motivation) may lead to improvements in some tasks. Future studies should continue to investigate the mechanisms by which cognitive training may enhance cognition and functioning in schizophrenia.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».